随着信息社会的发展,越来越多的场合需要进行快速而有效的身份认证,如银行系统、海关、网络账户登录、出入控制等。相比于密码、门锁等传统身份认证方式,作为生物特征识别方式之一的人脸识别,同其他生物特征识别技术相比具有以下显著优势：①更加安全,同时又具有防伪装、防遗忘及非侵犯性；②直接、友好、方便、易于为用户所接受；③操作友好、隐蔽性好、结果直观、采集设备简单等。因而人脸识别技术在社会各领域得到了广泛的研究与应用,现已成为生物识别领域的研究热点。历经数十年的发展,人脸识别技术已经取得了很大的进步。但到目前为止,应用最多的是基于可见光的人脸识别系统,这类系统易受光照、姿态等一系列外部因素的影响,这些都限制了其在人脸识别领域的发展。近年来,针对可见光人脸识别存在的不足,部分学者提出了利用主动近红外光的技术手段对人脸图像进行识别的方法,该方法在减少光照这一不利因素影响的同时,也提高了在光照变化时,人脸识别算法的适应性,这种人脸识别系统即使在夜间或完全黑暗的条件下也能进行,因而已成为近年来人脸识别领域的研究热点。本文的主要研究内容如下：首先,分析了国内外人脸识别技术的研究背景及发展现状；接着对现有的人脸识别技术(包括可见光人脸识别、热红外人脸识别以及本文重点研究的近红外人脸识别)的研究热点进行了深层次的剖析。一般的人脸识别系统普遍采用可见光人脸图像进行识别,这类系统容易受到环境光线变化的影响,一般在进行识别之前往往需要采用一些预处理手段对光照干扰进行移除,虽然光照预处理能在一定程度上消除光照的影响,但同时也会使人脸图像损失一部分有用的信息。为了解决光照、姿态、表情变化等因素对人脸识别性能的影响,我们提出了近红外人脸识别的方案。其次,对现有的人脸识别方法进行了系统的分类、总结；介绍了人脸识别系统的流程(其中包括一般流程与具体流程两方面),并对每一步流程做了详细的分析；之后简要介绍了国内外经典实用的人脸识别系统产品,进一步地证明了人脸识别技术己渗透到生活、生产的各领域；最后简要介绍了评价一个人脸识别系统性能的各项指标,并对每项指标的含义作出解释。最后,分析了人脸识别研究的难点,通过对现有的人脸识别研究方法的借鉴和进一步改进,针对近红外人脸识别对表情和姿势变化缺乏足够鲁棒性的问题,提出了利用主动近红外光对人脸图像进行识别的方法,即基于Contourlet变换、非负矩阵分解(non-negative matrix decomposition,简称NMF)与支持向量机(support vector machine,简称SVM)的近红外(near-infrared,简称NIR)人脸识别新算法,该算法将整个识别过程分为特征提取和匹配两个阶段。特征提取阶段：首先对NIR人脸图像进行Contourlet变换,接着用NMF进行分解,最后取其系数矩阵的一阶统计量作为特征数据,由此获得有效的人脸特征描述字；匹配阶段：在选取特定数据库的基础上,通过选取合理的训练、测试样本,借助支持向量机的分类能力对整个算法的识别性能进行评估。该算法有效结合了Contourlet变换的特征提取、NMF的降维和SVM的分类能力,实验结果也证明了该算法不仅具有较高的识别率,而且对人脸表情和姿势变化也具有较强的鲁棒性。